テンプレート変数表

【展覧会のポイント】

・メソポタミアや日本の土偶、インドの女神から観音菩薩まで、アジア各地の女神が一堂に会する初めての展覧会。

・近年では､正月の3日間のみ法要の本尊としてお祀りされる奈良･薬師寺蔵の国宝「吉祥天像」（9月18日～9月24日のみ限定公開）をはじめ､国宝2件､重要文化財17件を含む､150件を展示。

【プレス内覧会】

・日時､会場：9月17日（金）10：30～11：15（受付10：00～）龍谷ミュージアム1階101講義室
・内容： ①展覧会の概要説明  ②展示室内における主な展示品解説　③質疑応答、展示室自由観覧
・ご参加いただける方は、別紙 「プレス内覧会取材申込書」 に必要事項をご記入の上、メール又はFAXにてお申込みをお願いします。

 ・入館時に検温を実施します。37.5度以上の発熱が確認された場合は、参加をご遠慮ください。

現在、京都府に緊急事態宣言が発令されています。不織布マスクの着用など、新型コロナウイルス感染拡大防止に、より一層のご協力をお願いします。

【展覧会の概要】

１．名称：　秋季特別展「アジアの女神たち」

２．会期：　2021年9月18日（土）～11月23日（火・祝）（開館日数計57日間）

３．休館日：　月曜日、9月21日（火）（ただし、9月20日（月・祝）は開館）

４．開館時間：　10：00～17：00（入館は16：30まで）

５．会場：　龍谷大学 龍谷ミュージアム

　　　　　　　〒600-8399　京都市下京区堀川通正面下る（西本願寺前）

６．主催：　龍谷大学 龍谷ミュージアム、毎日新聞社、京都新聞

７．入館料：　一般1,300（1,100）円、高大生900（700）円、小中生500（400）円

　　　　　※ （　）内は前売り・20名以上の団体料金

　　　　　※ 小学生未満、障がい者手帳等の交付を受けている方およびその介護者１名は無料

８．前売り券取り扱い：　2021年9月1日（水）～9月17日（金）

　　　龍谷ミュージアムHP、ローソンチケット（Lコード：54014）、セブンチケットほか主要プレイガイド等で販売

※会場が混雑した場合は、龍谷ミュージアムHPからのご予約を優先させていただきます。

※新型コロナウイルス感染症の状況により、予定を変更することがあります。最新の情報は龍谷ミュージアムHPをご確認ください。 https://museum.ryukoku.ac.jp/

【問い合わせ】龍谷ミュージアム事務部

TEL：075-351-2500／FAX：075-351-2577／Mail：ryumuse@ad.ryukoku.ac.jp

【資料】龍谷ミュージアム　秋季特別展「アジアの女神たち」

【別紙】プレス内覧会取材申込書

＜重要なお知らせ＞
　2023年以降の9月入学について、下記のとおり入試の一部を廃止いたします。
対象となる入試の受験をお考えの方は、2022年9月入学が最終となりますので、ご注意ください。

廃止する入試
・【修士課程】大学院入試（一般、社会人、帰国学生、学内推薦）
・【博士後期課程】大学院入試

※ 外国人留学生入試は、2023年9月入学以降も継続いたします。詳細は、経済学部教務課にお尋ねください。

　先端理工学部の木村睦教授らは、奈良先端科学技術大学院大学・北陸先端科学技術大学院大学との共同研究で、メムキャパシタと自律局所学習を用いるニューロモーフィックシステムを開発しました。

　メムキャパシタとして、強誘電体キャパシタを用いることで、構造を単純なものとし、薄膜の液相プロセスを用いることで、作製プロセスも単純なものとしており、将来の高集積化が容易となります。DC電流が無く、過渡電流も減り、電力消費が大幅に減ります。

　また、自律局所学習として、メムキャパシタのヒステリシス特性を上手く利用することにより、結合強度の制御回路など無しに、ニューロモーフィックシステムに学習させることができ、やはり将来の高集積化が容易となります。

　従来の人工知能と比べると、劇的なコンパクト化・低電力消費が期待できます。

　本研究の成果は、“IEEE Transactions on Neural Networks and Learning Systems”に掲載されました。
 

※詳細はプレスリリースをご確認ください。 

【論文掲載情報】

雑 誌 名：

　IEEE Transactions on Neural Networks and Learning Systems

　（インパクトファクター：10.451）

論 文 名：

　Neuromorphic System using Memcapacitors and Autonomous Local Learning

　（メムキャパシタと自律局所学習を用いるニューロモーフィックシステム）

著 者 名：

木村 睦（龍谷大学・奈良先端科学技術大学院大学）

石崎 勇真（龍谷大学）

宮部 雄太（龍谷大学）

吉田 誉（龍谷大学）

小川 功人（龍谷大学）

横山 朋陽（龍谷大学）

羽賀 健一（北陸先端科学技術大学院大学）

徳光 永輔（北陸先端科学技術大学院大学）

中島 康彦（奈良先端科学技術大学院大学）

先端理工学部電子情報通信課程 木村睦教授

メムキャパシタ・ニューロモーフィックシステム

【本件のポイント】

• メムキャパシタと自律局所学習を用いるニューロモーフィックシステムを開発した。従来の人工知能と比べると、劇的なコンパクト化・低電力消費が期待できる。
• メムキャパシタとして、強誘電体キャパシタを用いることで、構造を単純なものとし、薄膜の液相プロセスを用いることで、作製プロセスも単純なものとしており、将来の高集積化が容易となる。DC電流が無く、過渡電流も減り、電力消費が大幅に減る。
• 自律局所学習として、メムキャパシタのヒステリシス特性を上手く利用することにより、結合強度の制御回路など無しに、ニューロモーフィックシステムに学習させることができ、やはり将来の高集積化が容易となる。
• 研究の成果は、「IEEE Transactions on Neural Networks and Learning Systems」（Impact Factor=10.451）に掲載。

　龍谷大学先端理工学部電子情報通信課程の木村睦研究室では、奈良先端科学技術大学院大学・北陸先端科学技術大学院大学との共同研究で、メムキャパシタと自律局所学習を用いるニューロモーフィックシステムを開発しました。

　メムキャパシタは、印加電圧の履歴によりキャパシタンスが変化する回路素子で、本研究では、強誘電体キャパシタを用いることで、構造を単純なものとし、Bi_3.25La_0.75Ti₃O₁₂ (BLT)の薄膜の液相プロセスを用いることで、作製プロセスも単純なものとしており、将来の高集積化が容易となります。従来の大規模な模倣回路やメモリスタ（可変抵抗素子）の代わりに、メムキャパシタ（可変容量素子）を用いるため、DC電流が無く、過渡電流も減り、電力消費が大幅に減ります。

　また、自律局所学習は、単一素子が自分自身の駆動条件のみで特性を変化させる学習方式であり、やはり将来の高集積化が容易となります。従来のシナプス素子の結合強度の制御回路など無しに、メムキャパシタの電圧履歴のキャパシタンス特性を上手く利用することにより、メムキャパシタだけで、ニューロモーフィックシステムに学習させることができます。

従来の人工知能と比べると、劇的なコンパクト化・低電力消費が期待できます。

【発表論文について】

英文タイトル：Neuromorphic System using Memcapacitors and Autonomous Local Learning

タイトル和訳：メムキャパシタと自律局所学習を用いるニューロモーフィックシステム

掲載誌：IEEE Transactions on Neural Networks and Learning Systems (TNNLS) 

URL：https://doi.org/10.1109/TNNLS.2021.3106566

著者：木村 睦（龍谷大学・奈良先端科学技術大学院大学）、石崎 勇真、宮部 雄太、吉田 誉、小川 功人、横山 朋陽（龍谷大学）、羽賀 健一、徳光 永輔（北陸先端科学技術大学院大学）、中島 康彦（奈良先端科学技術大学院大学）

【内容について】
＜研究の背景＞
　「人工知能」は、現在、さまざまな用途に用いられ、将来、SDGs・Society 5.0・IoTといった未来社会に不可欠な情報インフラです。人工知能のための代表的な技術が、生物の脳の機能を模倣することで、自己組織化・自己学習・並列分散処理・障害耐性などの特長をもつ「ニューラルネットワーク」です。しかしながら、従来のものは、ハイスペックなハードウェアで実行される複雑・長大なソフトウェアで、人工知能のために最適化されておらず、コンピュータのサイズは巨大で、電力消費は膨大であり、また、並列分散処理・障害耐性などの特長は限定的でした。ニューラルネットワークを基本的なハードウェアのレベルから生体の脳の構造で模倣し、ニューロン素子やシナプス素子を実装するのが、「ニューロモーフィックシステム」です。しかしながら、従来のものは、人工知能としての最適化が不十分で、上記の特長は完全には得られていませんでした。この原因は、(1) 大規模な模倣回路やメモリスタ（可変抵抗素子）を使うため、DC電流・過渡電流が大きく、電力消費が大きい (2) 大規模なシナプス素子の結合強度の制御回路を使うため、サイズが大きい ということによります。

＜研究の目的＞

　そこで、本研究では、ニューロモーフィックシステムにおいて、(1) 模倣回路やメモリスタ（可変抵抗素子）の代わりに、メムキャパシタ（可変容量素子）を用いるため、DC電流が無く、過渡電流も減り、電力消費が大幅に減る (2) シナプス素子の結合強度の制御回路の代わりに、自律局所学習を用いるため、サイズが小さい ということを目的とします。

＜メムキャパシタ＞

　メムキャパシタは、印加電圧の履歴によりキャパシタンスが変化する回路素子です。本研究では、強誘電体キャパシタを用いることで、構造を単純なものとし、Bi_3.25La_0.75Ti₃O₁₂(BLT)の薄膜の液相プロセスを用いることで、作製プロセスも単純なものとしており、将来の高集積化が容易となります。ここでは、クロスバー型でメムキャパシタを作製し、印加電圧の履歴により強誘電体キャパシタの自発分極が変化することで、キャパシタンスが変化する回路素子を実現しています。

---

(a) デバイス構造

---

(b) 強誘電体特性

---

(a) 学習フェーズ

---

(c) 動作点解析

---

(b) 推論フェーズ

---

(d) 実際の写真

---

(a) 実際の写真

---

(b) システムの構成

ニューロモーフィックシステム

---

連想記憶の実験結果

　

＜研究の意義と今後の展開＞

　従来の人工知能では、たとえば、いま最も有名なコグニティブシステムは、サイズは冷蔵庫10台ほど、電力消費は数百kWと言われています。本研究の基本的な成果をもとに、同様の機能のシステムを構築することを想定すると、サイズはLSI 1チップ、電力消費は20W程度と、劇的なコンパクト化・低電力消費が期待できます。SDGs・Society 5.0において、世界的なエネルギ危機を回避し、IoTにおいて、各々の機器へ搭載することが可能となります。なお、先行研究として、メモリスタと外部学習を用いるニューロモーフィックシステム（M. Prezioso, Nature, 521, 61, 2015）と比較すると、本研究で同様の機能が、低電力消費のメムキャパシタと、外部学習なしの局所自律学習で、実現できています。

 

【画像について】

図に使用した写真等のデータがあります。使用の際は以下からダウンロードください。

https://www.ryukoku.ac.jp/_test/datak/2021kimura/

ユーザー名：：ryukoku

パスワード：zC3sqdM8

※クレジットには「龍谷大学提供」と記載いただきますようお願い申しあげます。

　

 

【問い合わせ先】

 

＜研究に関する問い合わせ先＞　

龍谷大学 先端理工学部 電子情報通信課程・教授　木村 睦

E-mail：mutsu@rins.ryukoku.ac.jp

 

＜担当部局＞　

龍谷大学 研究部（瀬田） 担当者　佐藤 和叶

Tel：077-543-7548

E-mail：setaken@ad.ryukoku.ac.jp